某银行拥有 10 年的本地 CSV 客户数据。数据科学团队希望在 SageMaker 中构建生产模型之前，以最少的开发工作量快速执行转换和探索数据。哪种方法可以最大限度地减少工作量并实现快速转换和洞察？

正确答案是：将 CSV 文件上传到 Amazon S3 存储桶，授予 SageMaker 访问权限，然后将数据导入 SageMaker Data Wrangler 进行转换和探索。 SageMaker Data Wrangler 旨在简化数据准备和特征工程。它支持从 S3 导入数据，并提供直观的界面进行转换和探索，从而最大限度地减少开发工作量。直接上传到 Data Wrangler 控制台通常不适用于大型数据集或生产工作流，因为 S3 是更标准和可扩展的数据存储解决方案。虽然其他选项也涉及 S3，但它们引入了不必要的复杂性，例如使用 QuickSight 进行探索（当 Data Wrangler 本身提供探索工具时）或将转换后的数据保存到第二个 S3 存储桶（这在快速探索阶段并非总是必需的）。使用 SageMaker Studio notebook 进行洞察是可行的，但 Data Wrangler 内置的探索功能通常足以满足快速洞察的需求，且工作量更少。